Leccion 8

Sistemas de ecuaciones diferenciales lineales

Sistemas de Ecuaciones Diferenciales

Consideremos el sistema
k

A+S

X +S

Inicialmente se a
naden 2 moles de S y 1 mol de A.
d[A]

[A]0 = 1

dt = k1 [A][S]

d[Y ]
[S]0 = 2
dt = k2 [X ][S]
d[X ]

[X ]0 = 0

dt = k1 [A][S] k2 [X ][S]

d[S]
dt = k1 [A][S] k2 [X ][S] [Y ]0 = 0
Sistema no lineal de 4 ecuaciones de primer orden con 4 incognitas
([A], [S], [X ], [Y ]) y 4 condiciones iniciales.
Orden: orden de la derivada de mayor orden.
Dimension: N
umero de ecuaciones e incognitas.
2

Sistemas de Primer Orden

Forma general de un sistema de primer orden y dimension 2:
t: variable independiente.
 0
x = f (t, x, y )
x, y : variables dependientes o
0
y = g (t, x, y )
funciones incognita
Definici
on
Una soluci
on del sistema en el intervalo (a, b) es un par de funciones x(t),
y (t) que satisfacen
x 0 (t) = f (t, x(t), y (t))
y 0 (t) = g (t, x(t), y (t))
identicamente para todo t (a, b).

Ejemplo
Probar que las funciones x(t) = e t , y (t) = e t son soluciones del sistema
x 0 = x 2y
y 0 = xy 2 .
en toda la recta real.
3

Sistemas de Primer Orden. Notacion Vectorial

Consideremos

Si


x(t) =

x10 = f1 (t, x1 , x2 )
x20 = f2 (t, x1 , x2 )


 0 
x1 (t)
x (t)
entonces x0 (t) = 10
x2 (t)
x2 (t)

Y si


f(t, x) =


f1 (t, x1 , x2 )
f2 (t, x1 , x2 )

entonces


x10 = f1 (t, x1 , x2 )
x20 = f2 (t, x1 , x2 )

x10 = tx12 x21 t 2 x1

x20 = x12t 4tx2

x0 = f(t, x)
 0   2 1

x1
tx1 x2 t 2 x1
=
x20
x12t 4tx2

Sistemas de Primer Orden de dimension n

En general, para un sistema de dimension n:
x10 = f1 (t, x1 , x2 , . . . , xn )
x20 = f2 (t, x1 , x2 , . . . , xn )
..
.
xn0 = fn (t, x1 , x2 , . . . , xn )
podemos ahorrar mucho espacio y tiempo si usamos notacion
vectorial: Poniendo

x1
f1 (t, x)
x2
f2 (t, x)

x = . y f(t, x) = . ,
..
..
xn

fn (t, x)

el sistema se puede escribirse como

x0 = f(t, x).
5

Sistemas de ecuaciones lineales de orden n

0
x1 = a11 (t)x1 + a12 (t)x2 + a1n (t)xn + b1 (t)

x 0 = a21 (t)x1 + a22 (t)x2 + a2n (t)xn + b2 (t)

2
..

0
xn = an1 (t)x1 + an2 (t)x2 + ann (t)xn + bn (t)
Sistemas Lineales:
 0
x1 = 3x1 5x2
x20 = 2x1

Sistemas No Lineales:
 0
x = 3xy 5y
y 0 = 2x

x = 2ty
y 0 = 3e t x + 4 cos t

x10 = 2x2
x20 = 3x12 + 4

u10 = cos(t)u1 5t u2
u20 = u1 sen(t)u2 + t

u10 = cos(tu1 )
u20 = u1 sin(t)

Sistema homogeneo: b1 (t) = b2 (t) = = bn (t) = 0.

Si no, Sistema No homog
eneo.
6

(1)

Sistemas Lineales. Notacion Matricial

Si

x1 (t)
x2 (t)

x(t) = .
..

a11 (t)
a21 (t)

A(t) = .
..

a12 (t)
a22 (t)
..
.

..
.

an1 (t) an2 (t)

xn (t)

a1n (t)
a2n (t)

..
.

b1 (t)
b2 (t)

b(t) = .
..

ann (t)

bn (t)

entonces
(1)

x0 (t) = A(t)x(t) + b(t)

x10 = x1 + 2x2 + cos t

x20 = 2x1 + x2 + t 2
En este caso:


A(t) =


b(t) =

cos t
t2

1
2

2
1

x0 =

1
2




2
cos t
x+
1
t2


matriz del sistema


vector de t
erminos independientes

Teorema de Existencia y Unicidad de Soluciones

Teorema
Si todas las componentes de la matriz A(t) y del vector b(t) son
continuas en un intervalo (a, b), entonces para cada t0 (a, b) y
para cada vector x0 Rn el sistema
x0 (t) = A(t)x(t) + b(t)
con la condicion inicial
x(t0 ) = x0
tiene una u
nica solucion definida en el intervalo (a, b).

Propiedades de los sistemas lineales homogeneos

Teorema
El conjunto de soluciones del sistema lineal homogeneo de dimension n:
x0 = A(t)x, es un espacio vectorial de dimension n.
Significado de la terminologa:
Espacio vectorial: Si x(t), y(t) son soluciones entonces
ax(t) + by(t) tambien es solucion, a, b R.
La dimensi
on del espacio vectorial es n: Existen n soluciones x1 (t),
x2 (t), . . . , xn (t), linealmente independientes, tales que cualquier
otra soluci
on x(t) se puede escribir como una combinacion lineal de
ellas:
x(t) = a1 x1 (t) + a2 x2 (t) + + an xn (t)
Consecuencia:
Para hallar la soluci
on general de x0 = A(t)x basta encontrar n soluciones linealmente independientes.
9

Soluciones linealmente independientes

C
omo calcular soluciones del sistema x0 = A(t)x? Solo
metodos generales para sistemas de coeficientes constantes.
C
omo saber si n soluciones son linealmente independientes?
Si x1 (t), x2 (t),. . . , xn (t) son soluciones del sistema x0 = A(t)x:


1 Formamos la matriz X (t) = x1 (t) x2 (t) xn (t) .
2 Como x0 (t) = A(t)xi (t), se cumple X 0 (t) = A(t)X (t).
i


3 Calculamos det X (t) = det x1 (t) x2 (t) xn (t)
4 Si det X (t0 ) 6= 0 para alg
un t0 (a, b), las soluciones x1 (t),
x2 (t),. . . , xn (t) son soluciones linealmente independientes.
Si x1 (t), x2 (t),. . . , xn (t) son soluciones linealmente independientes
entonces se dice que forman un sistema fundamental de
soluciones, X (t) es una Matriz Fundamental de soluciones y
x(t) = c1 x1 (t) + c2 x2 (t) + + cn xn (t) = X (t)c
es la solucion general del sistema.
10

Valores y vectores propios. Definicion

Definici
on
Dada una matriz A Rnn se dice que el n
umero complejo C
es un valor propio de A si existe un vector v 6= 0 tal que Av = v.
A este vector, v, se le llama vector propio de A asociado al valor
propio .

Ejemplo

1
Compruebese que v = 1 es un vector propio de la matriz
1

0 1 3
3
3
A= 2
2 1
1

11

Calculo de valores y vectores propios

Av = v (v Av) = 0 (In A)v = 0

a12 v2

( a11 ) v1

a21 v1
+ ( a22 ) v2
..
..

.
.

an1 v1

an2 v2

a1n vn
a2n vn
..
.

= 0
= 0
..
.

+ ( amn ) vn = 0

Teorema
valor propio de A si y s
olo si det(In A) = 0. Y v es vector
propio de A asociado a si es solucion del sistema homogeneo de
ecuaciones lineales (In A)v = 0.
det(In A) polinomio de grado n: polinomio caracterstico de
A. Valores propios de A = sus races.
12

Metodo para calcular valores y vectores propios

1
2

Se calcula det(In A).

Se calculan las races del polinomio caracerstico (Factoris
en WIMS)
Debe haber n races contando repeticiones. Puede haber
races complejas: Ejemplo:



0 1
= 2 + 1 = ( + i)( i).
det I2
1 0
Multiplicidad Algebraica
multiplicidad algebraica de un valor propio= n
umero de veces
que aparece como raz del polinomio caracterstico.

Para cada valor propio 0 , se resuelve el sistema lineal

homogeneo (0 In A)v = 0.
13

Vectorers propios linealmente independientes

Las soluciones del sistema (0 In A)v = 0 forman un espacio vectorial de
dimensi
on n rang(0 In A): El n
umero de vectores propios linealmente
independientes asociados al valor propio 0 es n rang(0 In A).
Multiplicidad Geometrica
multiplicidad geometrica de 0 = n rang(0 In A)
1

Se calcula rang(0 In A) buscando una submatriz cuadrada de

maximo tama
no con determinante distinto de cero. Supongamos
rang(0 In A) = r (dimension del espacio de soluciones =
multiplicidad geometrica= n r ).

Utilizando la submatriz encontrada, se despejan las correspondientes

r inc
ognitas en funci
on de las restantes n r .

Se resuelve el correspondiente sistema compatible determinado r r

obteniendo la soluci
on general del sistema que dependera de n r
inc
ognitas.

Se dan valores apropiados a las n r incognitas para obtener n r

vectores linealmente independientes.
14

Como usar WIMS para hallar los valores propios

1

Abrimos un editor de texto y escribimos la matriz lnea a lnea.

Abrimos Matrix Calculator.

Copiamos la matriz del editor al recuadro.

Elegimos characteristic polynomial y Show.

Copiamos el resultado en el editor de texto y seleccionamos

WIMS Home.

Seleccionamos Factoris y copiamos el polinomio en el

recuadro.

Pinchamos en el Menu of Options y pinchamos en C. Y

luego en factor

Obtenemos las races del polinomio caracterstico; i.e. los

valores propios.

Sean estos 1 , . . . , s .
15

Como usar WIMS para hallar los vectores propios

1

En el editor de texto escribimos las matrices i In A, i = 1, . . . , s

Seleccionamos WIMS Home y a continuacion Matrix calculator

Copiamos la matriz 1 In A en el recuadro.

Seleccionamos rank, determiant and trace y luego Show.

As obtenemos rang(1 In A). Digamos que es r .

Seleccionamos WIMS Home y a continuacion Solucionador de

sistemas lineales.

Seleccionamos m
etodo matricial y copiamos la matriz 1 In A
en el recuadro de la A. En el de B ponemos tantos ceros, cada uno
debajo del otro, como el orden del sistema.

Pinchamos en Resolver el sistema y obtenemos la solucion en

funci
on de n r parametros.

Damos valores a los n r parametros para obtener soluciones

linealmente independientes.

Repetimos los pasos 2 a 8 con los demas valores propios.

16